Python scikit-learn KMeans 在计算轮廓分数时被杀死 (9)

我目前正在研究一个图像数据集（250 000 张图像，因此与特征向量一样多，每个图像都由 132 个特征组成）并尝试使用 sklearn 提供的 KMeans 函数。

我在 Mac OS X 10.10、Python 2.7 和 sklearn 0.15.2 上运行它，过了一会儿我只得到了：

死亡人数：9

运行这些命令行时出错：

nb_cls = int(raw_input("Number of clusters chosen :"))
clusterer = sklearn.cluster.KMeans(n_clusters=nb_cls)
clusters_labels = clusterer.fit_predict(X)
silhouette = sklearn.metrics.silhouette_score(X, clusters_labels)
print "n clusters =", nb_cls, "/ silhouette_score =", silhouette

请注意，如果不计算轮廓分数，代码不会被杀死

对于较小的数据集（± 2 500 张图像），相同的算法是有效的，并且不存在此类 Python 错误。

我怎样才能避免这个 Killed 9 错误？对于我的笔记本电脑来说，这个计算是否过于雄心勃勃？

这意味着您的脚本被操作系统杀死了。在大多数情况下，这是因为它使用了太多内存。在您的情况下，这似乎是可能的，因为当您仅使用 2 500 个图像时，您的代码工作正常。

如果是内存问题，您将必须获得更多 RAM（在 Mac 上不可能吗？）、使用另一台具有更多 RAM 的计算机或减小数据集的大小。